0
“人機回圈”（Human in the loop）是人工智能圈的高頻詞匯。簡單地說，就是將個人（專家）或公眾群體的判斷，融入AI系統(tǒng)的優(yōu)化中去。這個閉環(huán)回路在AlphaGo上展現(xiàn)得淋漓盡致，它之所以能橫掃AI和人類對手，與背后包括歐洲圍棋冠軍樊麾在內的專業(yè)棋手團的磋磨分不開。
“在這個過程中，人類其實是在陪機器下棋，機器在逐漸獲得人類的知識技能。人類相當于labor，很被動?！?/p>
在近期由中國計算機學會（CCF）主辦，雷鋒網和香港中文大學（深圳）承辦的第二屆CCF-GAIR全球人工智能與機器人峰會上，張曉泉教授分享了這番觀點。
張曉泉現(xiàn)任香港科技大學資訊、商業(yè)統(tǒng)計及運營學系教授，此前求學于美國麻省理工學院、清華大學，分別獲得管理學博士和管理學碩士學位。他目前的主要研究方向是商業(yè)人工智能、互聯(lián)網金融、信息產品定價策略及大數(shù)據(jù)營銷。學術論文曾發(fā)表在《美國經濟評論》、《管理科學》等知名學術期刊。目前他還是學術期刊 Information Systems Research（信息系統(tǒng)研究）的高級主編。
人工智能是近年來的明星技術，各行業(yè)都紛紛對其敞開懷抱。其中，金融行業(yè)對于AI的研究和應用無疑走在前列。作為一位經濟學家，張曉泉教授對于人工智能也頗有見地。立足于其研究視角，他指出，經濟學有助于優(yōu)化AI在金融領域的應用。他進一步解釋說，
“目前人工智能更多是用于預測和分類，而經濟學家的研究重心是找到因果關系，解釋清楚事情的底層機制。這也是計算機學家與經濟學家看待科技創(chuàng)新的一大差異?！?/p>
雙方視角之差，猶如地心說與進化論的不同。地心說能夠預測太陽明天會升起，但卻無法解釋背后的原理，因為理論根本是錯誤的。進化論卻相反，它能解釋人的由來和進化史，卻無法預測人類未來會是什么樣。張曉泉教授認為，行業(yè)如今的首要目標就是結合兩種研究思維，這也是他目前的研究目標。
“除了‘Human in the loop’，我覺得應該也有‘Econ in the loop’。過去20年，經濟學家建立了眾多數(shù)據(jù)分析模型，包括整套的計量經濟分析框架。若能將這些模型與人工智能相結合，會產生很多有趣的結果?！?/p>
在股票投資領域，高賣低買一向是投資者的夢寐之求，但絕大多數(shù)情況只是黃粱美夢而已。雖然人們無法準確預測股價，但在不斷向這個目標靠近。據(jù)了解，上世紀70年代，投資領域就開始廣泛應用計算機。世界最大的兩家資產管理公司黑石與領航都是完全采用量化投資方式。而近年來互聯(lián)網、移動互聯(lián)網、云計算、大數(shù)據(jù)、人工智能等技術的發(fā)展，為股票投資帶來了更多新可能。
張曉泉教授就有不少圍繞股票開展的研究課題。與人工智能相關的一個項目是利用深度學習進行股票情感分析。他的團隊利用工具爬蟲，全網抓取新聞媒體、散戶論壇、微博等文本信息，收集后將其與該公司的金融信息做對比，建立一個模型。
據(jù)張曉泉教授介紹，該模型與其他模型的不同之處在于，其他模型從語義分析出發(fā)，僅是收集匯總文本含義。而他們的重點是，會進一步獲取詞匯與股票表現(xiàn)之間的關系，發(fā)現(xiàn)每個詞在當時起到了什么作用。那么在未來，模型可以進行一些簡單預測，發(fā)現(xiàn)眾人的關注焦點，以及宏觀層面的行業(yè)輪動。
高風險、高收益是金融行業(yè)的永恒標簽，股票投資也與風險息息相關。股票市場的傳統(tǒng)風控就是研究股票波動率。業(yè)內存在一種觀點是，可以用人工智能解決所有的風險管理問題。而張曉泉教授對雷鋒網表示，該觀點是錯誤的。
“ 風險有多種層次，而且一旦寫出波動率，底層就一定假設了某種概率分布，但是很多時候，我們無法獲知金融事件的概率分布。例如股票市場?！?/p>
圖1 風險五級別
這里需要先介紹下張教授提出的不確定性的五個級別。
第一層是 Certainty，意味著 100% 會實現(xiàn)。
第二層是 Risk ，即有概率會發(fā)生。世界上的大部分問題都處在這個級別，但股票市場就不屬于。
第三層是 Black Swan 黑天鵝，也就是小概率事件。
第四層是 Ambiguity 模糊性?！懊魈斓墓墒胁皇菨q就是跌，但是漲跌的比重沒人知道。即便我們有過去世界所有股市的數(shù)據(jù)，但仍不知道明天是漲還是跌，因為有太多影響因素?！?/p>
第五層是 Radical Uncertainty，“ 人們不能描述出 Radica Uncertainty ，也完全無法解決這個級別問題。就好像人無法寫一個模型來預測恐怖襲擊會在何時、何地、如何發(fā)生一樣”。
張曉泉教授表示，模糊性是一個比較前沿的研究，結合“Risk”有助于人們加深對風險的理解。舉個例子，下圖是美國股市從1968年到2016年的波動率，即股票市場的風險“Risk"。
圖2 1968—2016年美國股市風險
如果用傳統(tǒng)的方法——標準差去描述，看到幾個現(xiàn)象：第一風險高點出現(xiàn)在1987年10月19日美國股災。第二個高峰出現(xiàn)2002年，當時正值互聯(lián)網泡沫破裂。再往后2007、2008年次貸危機攀上新高峰。
“最近我和同事在做模糊性預測模型，我們發(fā)現(xiàn)模糊性最高的是1987年股災，而2002年科技泡沫時期的模糊性并沒有那么高。我們得出的結論是，2002年的互聯(lián)網泡沫不是一個真正的大泡沫，背后蘊含著技術對于未來的影響力?！?/p>
他總結說，經濟學的愿景就是希望用模糊性去描述“Risk”沒法解決的問題，他們?yōu)槭袌鎏峁┝四：孕轮笜藖砗饬抗善憋L險。
學術研究的目標在于找尋新風景，接下來的產業(yè)應用則會偏重于實地探測，挖掘金礦。除了學術經歷，張曉泉教授此前也從事過投行分析師、科技公司國際市場部經理等職，還創(chuàng)辦過一家互聯(lián)網企業(yè)。他表示，從研究到應用過程中，存在兩大跨界趨勢。
第一，學術界和產業(yè)界融合愈加緊密。五到十年前，只有科研機構的實驗室進行著超前研究，業(yè)界相去甚遠。AI曾經是一個不被人重視的子領域，Geoffrey Hinton神經網絡提出了30多年一直無人問津，但這一切在近五年發(fā)生了變化?，F(xiàn)在業(yè)界的研究已經非常接近科研人員課題，雙方互通有無，交流頻繁。
此外還出現(xiàn)了頂尖科學家投身產業(yè)界的趨勢。比如，2013年，人工智能界兩位泰斗多倫多大學計算機系教授Geoffrey Hinton、紐約大學終身教授YannLeCun分別加入了Google和Facebook；今年，斯坦福人工智能實驗室負責人李飛飛教授兼任谷歌云首席科學家，倫敦大學學院計算機系汪軍教授與阿里巴巴合作研發(fā)出了多智能雙向協(xié)作網絡等。
“我認為導致變化的主要原因是當時大數(shù)據(jù)尚未普及，計算能力不夠。如今展現(xiàn)了一個非常好的趨勢，科學家可能會在公司中任職，或者自己創(chuàng)業(yè)，這樣能使得一些新的研究成果立刻付諸實踐。另外，學術研究人員通常會擁有一種更長遠、改變行業(yè)規(guī)則的心態(tài)，這能中和企業(yè)短期追求?！?/p>
張曉泉教授評價道。
“與此同時，也解決了學術圈長久以來存在的最大問題——資源有限，如數(shù)據(jù)資源有限，配備設施有限。此外，因為研究發(fā)現(xiàn)和實際應用有著一定的距離，落地流程比較繁瑣，很多手握專利的教授可能不愿一步一步完成這個過程。而企業(yè)的出發(fā)點是商業(yè)化，只要有利于盈利，它們就會為研究提供資源。這樣就形成了良性循環(huán)。”
當然，在雙方合作落地的過程還存在一些問題，趙曉泉教授指出，其中一大基礎矛盾就是學術界和產業(yè)界追求存在差異。科學家致力于最前沿的突破，研究如何將準確率95%提升到96%等問題。而企業(yè)追求解決問題，產生效用。提升1%，算法速度提升一秒等發(fā)現(xiàn)對于他們來說，意義可能并不是那么重大。當絕對值很小的時候，頂尖的研究對于行業(yè)的影響較微弱。這要求著學術界、產業(yè)界更進一步的溝通理解。
第二個趨勢是，金融界與科技界的跨界合作正在接連上演。幾乎任何一家金融機構都會設立金融科技部門，很多科技公司也開始涉足金融業(yè)務，“Fin”與“Tech”的合流之勢不斷明朗。
例如，今年六月，國內銀行扎堆宣布與科技巨頭聯(lián)姻。當時，張曉泉教授就對雷鋒網表達了他的看法，
“公司的存在就是為了提高效率，技術（包括商業(yè)大數(shù)據(jù)、AI）也是為了讓工作更有效率，因此這樣的合作更早的時候就可以開始了。未來的公司都不需要打標簽，沒有技術和金融之分，只是用技術來解決各行業(yè)的問題?！?/p>
與學術界與產業(yè)界需增進了解相同，fintech的發(fā)展也要求著“銀行家”與“工程師”擴大交集。尤其是作為一門應用科學的股票投資。張曉泉教授舉例道，一些AI專家寫出的預測股票模型在實驗室環(huán)境下準確率能達到80%，但是由于缺乏對金融市場的理解，真正下場的表現(xiàn)慘不忍睹。他的團隊也有做相關預測模型，準確率在75%左右，實際表現(xiàn)也很穩(wěn)定。
而隨著近年來fintech行業(yè)的成熟，科技開始觸碰到金融真正的核心。一些新技術及產品如雨后春筍涌現(xiàn)，其中以區(qū)塊鏈、智能投顧最引人注目。
在張曉泉教授看來，目前智能投顧行業(yè)最大的問題是太擁擠了，門檻不高，從業(yè)者甚多。
“這個市場發(fā)展到最后應該是一家獨大?，F(xiàn)在的智能投顧仍處于跑馬圈地階段，類似于早期互聯(lián)網時代出現(xiàn)了數(shù)不勝數(shù)的搜索引擎。當時沒人知道哪家會贏，現(xiàn)在也是如此?！?/p>
至于區(qū)塊鏈，他表達了對其前景的看好。雖然如今還處于早期階段，業(yè)界還在解決一些最基本的技術問題。同時，他也指出，區(qū)塊鏈最大的挑戰(zhàn)在于沒有形成一個很好的商業(yè)模式。技術人才缺乏商業(yè)認知，有商業(yè)背景的人缺乏對于技術的深刻理解。
隨著新技術的發(fā)展?jié)B透，難免會對行業(yè)以及整個社會造成沖擊。其中，面對AI對于金融行業(yè)的影響，監(jiān)管是個始終繞不過去的話題。張曉泉教授在最后也談到了這方面的觀點。
“新技術及相關產業(yè)的發(fā)展猶如大浪淘沙，在推動行業(yè)從業(yè)者嘗試，磨合出商業(yè)模式的同時，還會對傳統(tǒng)社會的理念、機制造成改變，比如法律法規(guī)。過去的土地所有制在飛機出現(xiàn)后就不再適用，不然每一次飛行都侵犯了所有者的權利。這說明，當技術導致大環(huán)境變化時，法律法規(guī)需要進行進行調整?！?/p>
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
